python 正则表达式条件子字符串提取

Question

我提出这个问题是因为我原来的问题似乎需要一个新的方向：my original question

我想创建一个正则表达式，可以从以下类型的日志条目中提取 STATIC MESSAGE 和 DYNAMIC MESSAGE：

/long/file/name/with.dots.and.extension:Jan 01 12:00:00 TYPE Static 消息；动态消息

/long/file/name/with.dots.and.extension:Jan 01 12:00:00 MODULE.NAME TYPE THREAD.OR.CONNECTION.INFORMATION 静态消息；动态消息

一种日志条目类型具有简单的结构：

file:date TYPE STATIC;DYNAMIC

另外一个在尝试用正则解析的时候就没那么简单了：

file:date MODULE.NAME TYPE CONNECTION.OR.THREAD STATIC;DYNAMIC

MODULE.NAME 和 CONNECTION.OR.THREAD 要么存在要么不存在。

到目前为止，我适用于第一种日志条目的正则表达式是：

(?:.*?):(?:\w{3} \d{1,2} \d{1,2}:\d{1,2}:\d{1,2})(?:\s+?)(?:[\S|\.]*?(?:\s*?))?(?:(?:TYPE1)|(?:TYPE2)|(?:TYPE3))(?:\s+?)(?:\S+?(?:\s+?))?(.+){1}(?:;(.+)){1}

但每当我进入第二种类型的条目时，我也会将 CONNECTION.OR.THREAD 作为我的第一个捕获组的一部分。

我希望找到一种使用前瞻或后视功能的方法，以便我可以捕获STATIC 和DYNAMIC，如果有MODULE.NAME，则忽略CONNECTION.OR.THREAD 部分？

我希望这个问题很清楚，如果看起来有点黯淡，请参考我的原作。谢谢。

编辑： 进行澄清。日志的每一行都不同，每一行都以文件路径开头，然后是:，然后是日期，格式如下：MMM DD HH:MM:SS，然后变得很棘手，要么是MODULE.NAME，它会有所不同，然后由同样变化的TYPE，然后是变化的CONNECTION.OR.THREAD，或者只有TYPE。之后是STATIC MESSAGE，然后是;，然后是DYNAMIC MESSAGE，静态和动态消息都不同，STATIC 一词的使用仅仅是因为错误可能是例如“无法连接到服务器； server1.com”，因此错误的静态部分是“无法连接到服务器”，而动态部分是“server1.com”

Answer 1

目前我已经制作了这个庞大的正则表达式：

(?:(?:.*?):(?:\w{3}(?: \d{1,2}){2}(?::\d{1,2}){2}))(?:\s+?)(?:(?:(?:(?:TYPE1)|(?:(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:(.+){1};(.+){1}))|(?:\S+(?:\.\S+)+)(?:\s+?)(?:(?:TYPE1)|(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:\S+(?:\.\S+)+)(?:\s+?)(?:(.+){1};(.+){1})))

我会把它分成几部分：

文件/日期 + 空格：

(?:(?:.*?):(?:\w{3}(?: \d{1,2}){2}(?::\d{1,2}){2}))(?:\s+?)

然后是：

简单：（静态类型；动态）

(?:(?:(?:TYPE1)|(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:(.+){1};(.+){1}))

或复杂：（MODULE.NAME TYPE CONNECTION.OR.THREAD STATIC;DYNAMIC）

(:?(?:\S+(?:\.\S+)+)(?:\s+?)(?:(?:TYPE1)|(?:TYPE1)|(?:TYPE3))(?:\s+?)(?:\S+(?:\.\S+)+)(?:\s+?)(?:(.+){1};(.+){1}))

它成功了。但它很大，我认为它可以改进。所以请如果有人可以改进它，请做。

编辑：

虽然有问题。因为现在有 4 个捕获组。所以我无法提前知道我是否必须查看捕获的 [0:1] 或捕获的 [2:3] 以获得我的结果。任何人都有办法做到这一点，如果我有东西，我就不必每次都检查？或者可能是一种从结果中消除空捕获组的方法，或者可能只从结果列表中获取非空结果？某物？我的大脑被炸了。

EDIT2：

正如@martijn pieters 建议的那样，我删除了无关的分组，这是我当前的正则表达式：

.*?:\w{3}(?: \d{1,2}){2}(?::\d{2}){2}\s+?(?:(?:(?:TYPE1|TYPE2|TYPE3)\s+?(.+){1};(.+){1})|(?:\S+(‌​?:\.\S+)+\s+?(?:TYPE1|TYPE2|TYPE3)\s+?\S+(?:\.\S+)+\s+?(.+){1};(.+){1}))

效果很好。我担心(?:TYPE1|TYPE2|TYPE3) 被错误解释为TYPE(1|T)YPE(2|T)YPE3 任何见解将不胜感激。

另外，如何最好地解析我的结果 - 看到我将获得 4 个项目的列表，其中前 2 个或第二个 2 为空，另一个具有我的静态/动态结果。

EDIT3：

好的，我已经做了一个混合解决方案。我重新制作了我的正则表达式：

.*?:\w{3}(?: \d{1,2}){2}(?::\d{2}){2}\s+?(?:(?:(?:TYPE1|TYPE2|TYPE3))|(?:\S+(?:\.\S+)+\s+?(?:TYPE1|TYPE2|TYPE3)\s+?\S+(?:\.\S+)+))\s+(.*)

我现在只有 1 个捕获组，即 STATIC;DYNAMIC 部分。一旦我得到这个，我就会做我以前做的事情（见我的previous question）

for item in captured:
    parts = item.split(";")
    static = parts[0]
    dynamic = ";".join(parts[1:])

这是我的解决方案。感谢@Martijn Pieters，特别是您的帮助。我希望这可以帮助将来的人。